一种基于二维字典优化的稀疏表示分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113159207A(43)申请公布日2021.07.23(21)申请号202110469438.4(22)申请日2021.04.28(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人孟明尹旭马玉良佘青山(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240代理人杨舟涛(51)Int.Cl.G06K9/62(2006.01)G06F17/16(2006.01)权利要求书3页说明书9页附图3页(54)发明名称一种基于二维字典优化的稀疏表示分类方法(57)摘要本发明公开了一种基于二维字典优化的稀疏表示分类方法，本发明从二个维度对字典进行优化，以提高SRC分类的准确性。首先对运动想象脑电数据进行时间窗截取、带通滤波分频带等预处理，并使用FBCSP方法提取多频带特征从而构建初始字典；一方面使用LASSO回归对原子中的特征进行同步选择，以实现字典的水平优化；另一方面使用基于KNN的方法计算字典中每个原子的离群值，并设置合理阈值进行原子清洗，以实现字典的垂直优化。最后基于经二维优化后的字典，使用SRC方法进行分类，在公共数据集上进行验证，并与传统方法和现有方法进行比较，均取得了不错的结果。其增强了对MI任务的解码，为BCI系统的设计提供理论支持和新方法。CN113159207ACN113159207A权利要求书1/3页1.一种基于二维字典优化的稀疏表示分类方法，其特征在于：该方法具体包括以下步骤：步骤(1)：EEG信号采集及预处理；采集受试者的多通道运动想象脑电信号并截取运动想象期间的数据，然后利用带通滤波器对脑电信号进行消噪和划分频带，得到多频带脑电数据，用于后续提取多频带的CSP特征；步骤(2)：CSP特征提取；使用FBCSP方法从多频带脑电数据中提取所有训练样本的多频带CSP特征向量，从而构建初始字典；步骤(3)：二维字典优化；使用LASSO回归同步选择每个原子中的重要特征，实现字典水平优化；使用基于KNN的方法清洗噪音原子，实现字典垂直优化；具体为：在字典水平方向上：使用LASSO回归对多频带CSP特征向量进行同步特征选择；在垂直方向上：使用基于KNN的方法清除字典中的噪音原子；LASSO具体的目标函数为：其中，T是转置运算符，l是由与所有训练样本相对应的标签组成的向量，并且λ是惩罚因子；u的稀疏度与λ成反比，即λ越小，l1范数的惩罚越重，且系数向量u越稀疏，从而选择的特征越少；通过交叉验证确定最佳超参数，然后选出多频带CSP特征向量F中与系数向量u中非零值位置相对应的特征，以生成低维特征向量即水平筛选原始原子中的特征以构建的新原子；对于经水平特征选择后的第n个原子计算其与每个原子的欧式距离之和：其中为第i个原子对应的特征向量实例，D*为低维特征向量的维度；获得该原子的k个最近邻原子，组成原子集根据以下公式决定是否从字典中清除该原子：其中lq和ln分别是第q个和第n个特征向量实例和对应的类别标签；I(·)是指示函数，当lq不等于ln时值为1，否则I(lq＝ln)＝0；因此，sn是一个在[0,1]范围内的原子消除指标，sn越大，该原子附近就存在越多的异类标签原子，即该原子越应被清除；通过设置阈值*选择恰当数量的N个原子；对最邻近原子数k和原子消除阈值sn这两个参数均通过5折交叉验证确定；步骤(4)：稀疏表示分类；2CN113159207A权利要求书2/3页使用经二维优化后的字典稀疏表示测试样本，从而实现分类。2.根据权利要求1所述的一种基于二维字典优化的稀疏表示分类方法，其特征在于：所述的使用FBCSP方法从多频带脑电数据中提取CSP特征，从而构建初始字典；具体为：首先，求解每个类别的平均协方差矩阵：共有N个训练样本，并且类别1和类别2对应的数量分别为N1和N2；或是第1类或第2类第n次的训练数据，且所有C和S分别是通道数和采样点数；其次，获得混合平均协方差矩阵，并进行奇异值分解：其中Λc和Uc分别为特征值矩阵和对应的特征向量矩阵，进一步构造白化矩阵P：对R1和R2进行白化和主成分分解：其中Λ1+Λ2是单位矩阵，且S1和S2矩阵对应的特征向量相同，即B1＝B2；因此，当一个类别的特征值最大时对应的另一个类别的特征值最小，从而保证了类别之间的最大区分性；然后，通过公式(5)构造空间滤波器矩阵W，从中选择具有最大类可分离性的前M列和后M列，以构建最佳空间滤波器W*：W＝BTP，(5)*W＝[W1,…,WM,WC‑M,…WC]；(6)最后，通过最佳空间滤波器W*对原始EEG数据X进行滤波，并通过对数‑方差法提取特征向量f＝(f1,f2,…,f2M)：其中fm为构成字典的元素。3.根据权利要求1所述的一种基于